如何用Gemini整理聊天记录写出提炼事实与情绪线索的复盘提示词

很多人想要借助Gemini处理聊天记录，但最终得到的输出要么是枯燥的流水账，要么是抓不住重点的笼统概括。问题究竟出在哪里？并非AI能力不足，而是你没有给它一份足够清晰、可执行的“操作指南”。今天这篇文章，我们就来深入剖析这一核心痛点，看看如何通过一组精准的提示词（Prompt），让模型真正理解你希望它完成什么任务。

核心任务其实很直接：让Gemini从一段原始的聊天记录中，准确识别出“发生了什么事”、“谁说了什么话”，并且严格区分“客观事实”与“情绪表达”，绝不允许模棱两可的美化或主观推断。要实现这一点，提示词必须包含一套强约束的规则体系。

第一步：用结构化指令固定输出格式

第一步也是最关键的一步：必须在一开始就用硬性格式“框住”模型的输出。你需要在提示词的开头明确写明：“请严格按以下三栏格式输出，不得合并、省略或添加任何额外说明：【事实】、【情绪线索】、【原始引述】。”

这一步绝不可省略。Gemini的默认习惯是生成通顺、连贯的段落；如果你不给出格式约束，它就会把“用户说‘我快崩溃了’”这样的细节直接混入一句“用户表达了负面情绪”的总结里，情绪线索和原话便全部丢失。

第二步：明确“事实”与“情绪线索”的定义

仅有格式还不够——模型只知道要分三栏，但对每栏具体该填什么内容仍然模糊。你需要把评判标准具象化。

方法一：用正向示例锚定标准。在提示词中直接插入两行简单示例，告诉模型正确的输出是什么样的：
【事实】用户提到“会议被推迟三次，最后一次通知是今天上午10:17发的邮件”；
【情绪线索】用户使用“彻底没指望了”“连解释都没有一句”等短语，语气词“啊？”连续出现两次。

方法二：用排除法划清边界。紧接着写一段排除说明，把最容易混淆的坑提前填平。例如：“‘我觉得领导不重视’不是事实，而是判断；‘领导没回复我昨天的邮件’才是事实。‘我很生气’属于情绪标签，不算情绪线索；‘我删了草稿三次又重写’‘发送前停顿了47秒’才是可观察的情绪线索。”

到这里，标准才算真正落地。情绪线索的特征必须包含具体行为、时间点、重复次数、标点异常、错别字、空格换行等可量化的文本痕迹。

第三步：禁用模型常见的幻觉行为

最后，需要在提示词末尾加上三重禁止指令，把模型下意识的“自我发挥”彻底锁死。这三条缺一不可：

① 不得推断未出现的动机。例如，不能因为用户抱怨加班，就脑补出“用户失望是因为长期加班”这种毫无依据的结论。
② 不得将多个发言合并为一句概括。把五条消息压缩成一句“用户反复抱怨流程混乱”——这种汇总在需要保留细节颗粒度的任务里，就是信息丢失。
③ 不得替换原始用词。模型看到“烦死了”时，会本能地想要“优化”成更得体的“感到烦躁”。一旦用词被替换，情绪的烈度与原始面貌就会失真；必须用禁止项直接锁死，让它一字不改地引用。

做到这三步，你的提示词才算真正具备了“强制模型不偷懒、不美化、不脑补”的执行力。下一次，不妨拿一段真实的聊天记录试一试。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：如何用Gemini整理聊天记录写出提炼事实与情绪线索的复盘提示词要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题